Modélisation, optimisation et gestion d’énergie d’une centrale hybride à énergie renouvelable

La transition énergétique impose aujourd’hui aux réseaux d’électricité des profondes mutations. La croissance des besoins couplée à l’intégration massive de sources de production renouvelables et intermittentes met leur stabilité en péril. Associées aux solutions informatiques développées par la filière Smart Grids, le recours aux technologies de stockage constitue l’une des solutions pour pallier les périodes de sur- ou de sous-production. Il faut donc gérer des situations nouvelles : surproduction d’électricité en période de faible consommation et sous-production en période de pointe. Pour répondre à cette problématique, cette thèse se concentre sur l'analyse et l'optimisation de la gestion d'énergie d'un système hybride à énergie renouvelable, installé à l'Université de Djibouti. Le système intègre des composants tels qu'une installation photovoltaïque de 19 kW, une éolienne de 6,5 kW et un parc de batteries de 52 kWh le tout reliés au réseau électrique. Cette étude, débute par une évaluation du potentiel énergétique à partir des données recueillies par une station météo spécialement installée sur le site. Pour l'année 2022, les données ont révélé que le champ photovoltaïque de 125 m² a produit 333 MWh/an, ce qui représente une nette supériorité par rapport à la production annuelle de l'éolienne couvrant 22 m², qui atteint seulement 2,771 MWh. Ensuite, une modélisation minutieuse des flux énergétiques du site, validée au moyen de simulations adaptées à chaque composant, a été réalisée. Pour le système éolien, un modèle basé sur les équations fondamentales de la puissance éolienne a été choisi et validé sous Matlab/Simulink en déterminant un coefficient approprié, puis en l'utilisant pour simuler la puissance de sortie de l'éolienne avec des données réelles. En ce qui concerne le système solaire, les modèles basés sur des équations mathématiques ont été employées pour simuler l'installation photovoltaïque, puis les résultats ont été comparés à l'installation réelle. Quant aux stockages, nous avons simulé l'état de charge des batteries en utilisant les données réelles de consommation ainsi que les données météorologiques du site, puis nous avons comparé le SOC simulé au SOC réel des batteries installées sur site. Enfin, cette recherche propose trois stratégies de gestion d'énergie basées sur une approche hybride intégrant deux algorithmes de gestion : la programmation linéaire et un algorithme basé sur des règles logiques. Ces stratégies ont pour objectif d'améliorer l'anticipation et l'optimisation du flux énergétique du site. Pour évaluer les performances des deux algorithmes, trois scénarios extrêmes basés sur la réalité du site ont été définis. L'objectif de ces scénarios étaient d'évaluer les performances et la robustesse des algorithmes de gestion d'énergie et de mieux comprendre comment gérer efficacement l'excédent d'énergie tout en minimisant la dépendance au réseau électrique. Les résultats des simulations mettent en évidence la supériorité de la stratégie qui fixe l'état de charge SOCmin à 30% en minimisant les coûts d'énergie provenant du réseau et en maximisant l'excès d'énergie injectée vers l'université.